智能控制导论
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
N t 1
t 1
PMN模型学习算法。可用离线学习算法和在线学习算 法来 修改PMN网络的参数 FC校正参数a(t)、b(t)的自适应修改
8.3 模糊神经复合控制系统举例
7
8.3.3 弧焊过程自学习模糊神经控制系统
弧焊控制系统的结构
系统由一台IBM-PC/AT 386个人计算机、一台摄像机、一个图形 接口、一台监视器和一台交直流脉冲弧焊电源组成
PMN模型的映射关系 ym(t+1)=fm(u(t),u(t-1),…,u(t-m);ym(t),…,ym(t-n))
6
8.3.2 自学习模糊神经控制算法
模糊控制器 FC和神经网络模型PMN的学习算法 N Je= [xd-y(t+1)]2/2 t 1 模糊误差指标 N Jε = ε2(t+1)/2= [y(t+1)-ym(t+1)2/2
焊接过程的建模与仿真
建立一个用于控制脉冲TIG弧焊的焊槽动力学模型，输入和输出 分别为焊接电流和焊槽顶缝宽度
控制弧焊过程的实验结果。
热传递情况改变时焊接试样的控制结果显示图8.3的自学习模 糊神经控制方案适于控制脉冲TIG弧焊速度与焊槽的动态过程 控制精度主要完成控制算法和图像处理周期的影响，并可由 硬件实现神经网络的并行处理和提高计算速度来改善
8.2节介绍了模糊神经网络的作用原理，然后探讨了 模糊神经复合控制的各种方案 8.3节介绍弧焊过程的自学习模糊神经控制系统 8.3节讨论了专家模糊控制器的结构，举例介绍了一 种专家模糊控制系统
第8章 复合智能控制
11
一个正规模糊神经网络（RFNN)为一具有模糊信号和/或模糊权值的神经 网络。 混合模糊神经网络（HFNN）是一类FNN，它组合模糊信号和神经网络 权值，应用加、乘等 操作获得神经网络输入。
第8章 复合智能控制 4
8.2 模糊神经控制复合控制原理 FNN学习算法
模糊反向传播算法 基于a分割的反向传播算法 遗传算法 其他算法（模糊混沌算法）
9
8.4.1 专家模糊控制系统结构
通过专家控制器EC和模糊控制器FC两种技术的集成 形成一种新的控制系统 ── 专家模糊控制系统
具有辨识能力的专家模糊控制系统的结构
数据库 知识库 测量与辨识 推理机
EC
x
＋ －
K1 K2 控制表
y
K3 过程
FC
8.4 专家模糊复合控制器
10
8.5 小结 本章讨论复合智能控制问题。所谓复合智能控 制指的是智能控制手段（方法）与经典控制和/ 或现代控制手段的集成，还指不同智能控制手 段的集成，但不包括智能控制手段与非智能控 制手段的集成。
FMN Ym(t) e(t) y(t) 传感器 y(t)
图中，FC把调节偏差e(t)映射为控制作用u(t),过程的输出信号y(t)由测量传感 器检测，基于神经网络的过程由PMN网络表示，过程输出和传感器输出用同 一y(t)表示 模糊控制器FC可由解析公式表示 U(t)=б{a(t)b(t)E(t)+[1-a(t)b(t)]EC(t)+[1-b(t)]ER(t)}
第8章 复合智能控制
3
8.2 模糊神经控制复合控制原理
要使一个 系统能够像人类一样处理认知的不确定性，可以把模糊逻辑与 神经网络集成起来，形成新的研究领域，即模糊神经网络（FNN） FNN的 概念与结构
x1
W11
1
1
V1
Vk Vk 1
输出
W1k k
Y
W21
x2
2
W2k
W2k
来自百度文库
W1k k
隐含层
输入
三层前馈神经网络FNN3
智能控制导论
国家精品课程配套教材
蔡自兴
1
智能控制教学课件 第8章 8.1 8.2 8.3 8.4 8.5 复合智能控制
复合智能控制概述 模糊神经复合控制原理 模糊神经复合控制系统举例 专家模糊复合控制器 小结
智能系统与智能软件研究所
2
8.1 复合智能控制概述 复合智能控制指的是智能控制手段（方法）与 经典控制和/或现代控制手段的集成，还指不同 智能控制手段的集成，但不包括智能控制手段 与非智能控制手段的集成。 模糊智能控制与其他智能控制（简称模糊智能 复合控制）构成的复合控制包括模糊神经控制、 模糊专家控制、模糊进化控制和模糊学习控制 等。
FNN的逼近能力
基于模糊运算和 扩展原理的RFNN不可能成为通用 近似器，而HFNN因为无需以标准模糊运算为基础 而能够成为通用近似器。
第8章 复合智能控制
5
8.3 模糊神经复合控制系统举例
8.3.1 自学习模糊神经控制模型 自学习模糊神经控制系统原理图
xd + e(t) FC u(t) 不确定过程 y(t)
8.3 模糊神经复合控制系统举例
8
8.4 专家模糊复合控制器 8.4.1 专家模糊控制系统结构 模糊控制具有超调小、鲁棒性强和对系统非线 性好的适应性等优点，因此，模糊控制是一种 有效的控制策略。但也存在一些缺点
由于简单的模糊信息处理，使控制系统的进度较低 模糊控制器结构和知识表示形式两方面存在单一性 当系统非线性的程度比较高时，所建造的模糊控制 规则会变得不完全或不确定
t 1
PMN模型学习算法。可用离线学习算法和在线学习算 法来 修改PMN网络的参数 FC校正参数a(t)、b(t)的自适应修改
8.3 模糊神经复合控制系统举例
7
8.3.3 弧焊过程自学习模糊神经控制系统
弧焊控制系统的结构
系统由一台IBM-PC/AT 386个人计算机、一台摄像机、一个图形 接口、一台监视器和一台交直流脉冲弧焊电源组成
PMN模型的映射关系 ym(t+1)=fm(u(t),u(t-1),…,u(t-m);ym(t),…,ym(t-n))
6
8.3.2 自学习模糊神经控制算法
模糊控制器 FC和神经网络模型PMN的学习算法 N Je= [xd-y(t+1)]2/2 t 1 模糊误差指标 N Jε = ε2(t+1)/2= [y(t+1)-ym(t+1)2/2
焊接过程的建模与仿真
建立一个用于控制脉冲TIG弧焊的焊槽动力学模型，输入和输出 分别为焊接电流和焊槽顶缝宽度
控制弧焊过程的实验结果。
热传递情况改变时焊接试样的控制结果显示图8.3的自学习模 糊神经控制方案适于控制脉冲TIG弧焊速度与焊槽的动态过程 控制精度主要完成控制算法和图像处理周期的影响，并可由 硬件实现神经网络的并行处理和提高计算速度来改善
8.2节介绍了模糊神经网络的作用原理，然后探讨了 模糊神经复合控制的各种方案 8.3节介绍弧焊过程的自学习模糊神经控制系统 8.3节讨论了专家模糊控制器的结构，举例介绍了一 种专家模糊控制系统
第8章 复合智能控制
11
一个正规模糊神经网络（RFNN)为一具有模糊信号和/或模糊权值的神经 网络。 混合模糊神经网络（HFNN）是一类FNN，它组合模糊信号和神经网络 权值，应用加、乘等 操作获得神经网络输入。
第8章 复合智能控制 4
8.2 模糊神经控制复合控制原理 FNN学习算法
模糊反向传播算法 基于a分割的反向传播算法 遗传算法 其他算法（模糊混沌算法）
9
8.4.1 专家模糊控制系统结构
通过专家控制器EC和模糊控制器FC两种技术的集成 形成一种新的控制系统 ── 专家模糊控制系统
具有辨识能力的专家模糊控制系统的结构
数据库 知识库 测量与辨识 推理机
EC
x
＋ －
K1 K2 控制表
y
K3 过程
FC
8.4 专家模糊复合控制器
10
8.5 小结 本章讨论复合智能控制问题。所谓复合智能控 制指的是智能控制手段（方法）与经典控制和/ 或现代控制手段的集成，还指不同智能控制手 段的集成，但不包括智能控制手段与非智能控 制手段的集成。
FMN Ym(t) e(t) y(t) 传感器 y(t)
图中，FC把调节偏差e(t)映射为控制作用u(t),过程的输出信号y(t)由测量传感 器检测，基于神经网络的过程由PMN网络表示，过程输出和传感器输出用同 一y(t)表示 模糊控制器FC可由解析公式表示 U(t)=б{a(t)b(t)E(t)+[1-a(t)b(t)]EC(t)+[1-b(t)]ER(t)}
第8章 复合智能控制
3
8.2 模糊神经控制复合控制原理
要使一个 系统能够像人类一样处理认知的不确定性，可以把模糊逻辑与 神经网络集成起来，形成新的研究领域，即模糊神经网络（FNN） FNN的 概念与结构
x1
W11
1
1
V1
Vk Vk 1
输出
W1k k
Y
W21
x2
2
W2k
W2k
来自百度文库
W1k k
隐含层
输入
三层前馈神经网络FNN3
智能控制导论
国家精品课程配套教材
蔡自兴
1
智能控制教学课件 第8章 8.1 8.2 8.3 8.4 8.5 复合智能控制
复合智能控制概述 模糊神经复合控制原理 模糊神经复合控制系统举例 专家模糊复合控制器 小结
智能系统与智能软件研究所
2
8.1 复合智能控制概述 复合智能控制指的是智能控制手段（方法）与 经典控制和/或现代控制手段的集成，还指不同 智能控制手段的集成，但不包括智能控制手段 与非智能控制手段的集成。 模糊智能控制与其他智能控制（简称模糊智能 复合控制）构成的复合控制包括模糊神经控制、 模糊专家控制、模糊进化控制和模糊学习控制 等。
FNN的逼近能力
基于模糊运算和 扩展原理的RFNN不可能成为通用 近似器，而HFNN因为无需以标准模糊运算为基础 而能够成为通用近似器。
第8章 复合智能控制
5
8.3 模糊神经复合控制系统举例
8.3.1 自学习模糊神经控制模型 自学习模糊神经控制系统原理图
xd + e(t) FC u(t) 不确定过程 y(t)
8.3 模糊神经复合控制系统举例
8
8.4 专家模糊复合控制器 8.4.1 专家模糊控制系统结构 模糊控制具有超调小、鲁棒性强和对系统非线 性好的适应性等优点，因此，模糊控制是一种 有效的控制策略。但也存在一些缺点
由于简单的模糊信息处理，使控制系统的进度较低 模糊控制器结构和知识表示形式两方面存在单一性 当系统非线性的程度比较高时，所建造的模糊控制 规则会变得不完全或不确定